MétaCan
Menu
Retour à la cohorte
Enregistrement W599458452 · doi:10.1021/acs.est.5b01111

Perchlorate in Lake Water from an Operating Diamond Mine

2015· article· en· W599458452 sur OpenAlexaffabout
Lianna J.D. Smith, Carol J. Ptacek, David W. Blowes, Laura G. Groza, Michael C. Moncur

Notice bibliographique

RevueEnvironmental Science & Technology · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueChemical Analysis and Environmental Impact
Établissements canadiensAlberta InnovatesSmiths Detection (Canada)University of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPerchlorateHydrology (agriculture)SnowEnvironmental scienceShelf iceGeologyEnvironmental chemistryOceanographyChemistryArcticGeomorphology

Résumé

récupéré en direct d'OpenAlex

Mining-related perchlorate [ClO4(-)] in the receiving environment was investigated at the operating open-pit and underground Diavik diamond mine, Northwest Territories, Canada. Samples were collected over four years and ClO4(-) was measured in various mine waters, the 560 km(2) ultraoligotrophic receiving lake, background lake water and snow distal from the mine. Groundwaters from the underground mine had variable ClO4(-) concentrations, up to 157 μg L(-1), and were typically an order of magnitude higher than concentrations in combined mine waters prior to treatment and discharge to the lake. Snow core samples had a mean ClO4(-) concentration of 0.021 μg L(-1) (n=16). Snow and lake water Cl(-)/ClO4(-) ratios suggest evapoconcentration was not an important process affecting lake ClO4(-) concentrations. The multiyear mean ClO4(-) concentrations in the lake were 0.30 μg L(-1) (n = 114) in open water and 0.24 μg L(-1) (n = 107) under ice, much below the Canadian drinking water guideline of 6 μg L(-1). Receiving lake concentrations of ClO4(-) generally decreased year over year and ClO4(-) was not likely [biogeo]chemically attenuated within the receiving lake. The discharge of treated mine water was shown to contribute mining-related ClO4(-) to the lake and the low concentrations after 12 years of mining were attributed to the large volume of the receiving lake.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetChemical Analysis and Environmental ImpactTravaux en français237 207